随着我国经济的持续发展,城市化水平的提高,交通拥堵的现象频发,极大的影响了人们的工作与生活。智能交通系统通过信息的实时反馈与高效控制提高了交通运输的效率,能够减少交通拥堵情况的发生。交通流量预测作为智能交通系统中的重要组成部分,对其进行深入研究有较深的理论和实际意义。本文主要研究了利用人工蜂群优化算法优化BP神经网络并建立预测交通流量的模型,致力于提高预测的精确度。具体工作从以下几点展开:(一)本文首先对国内外交通流量预测现状和各种模型方法及相关理论进行了阐述,总结对比了各种方法的特点。(二)对于未处理的原始数据信息,本文先使用拉格朗日插值法对异常数据进行修复接着使用小波分析方法对原始数据进行去噪。(三)接着本文分析了BP神经网络的优劣点,并根据BP神经网络的缺陷选择人工蜂群优化算法对BP神经网络的权值和阈值进行优化。(四)针对预处理后的交通流数据,本文分别采用BP神经网络,Elman神经网络和基于人工蜂群优化算法的BP神经网络进行预测模型的建立和训练预测。根据模型评估公式来对三种模型的预测性能进行定量的计算,通过对比分析,得出基于人工蜂群优化算法的BP神经网络预测的结果最佳,拟合程度最好,可以用作交通流量的预测工作。